Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 15 | Pass rate: 100.0% | Cost: $0.0150

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010
python-refactor-easy-001	easy	0.740	✓	$0.0010
typescript-refactor-easy-001	easy	0.740	✓	$0.0010
python-config-easy-001	easy	0.740	✓	$0.0010
typescript-config-easy-001	easy	0.740	✓	$0.0010
python-recovery-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: cc5e33cc-b9c3-47e3-a960-e153c4610a82 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:41:22.139552+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
cc5e33cc-b9c3-47e3-a960-e153c4610a82	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:22.139552+00:00
5e908bc7-4fe2-42f1-8fe4-7710eddd37cf	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:22.058275+00:00
09a1fbf6-ad78-45cc-a1a1-5646c98cfb79	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:21.933941+00:00
1d86e608-0d06-4d33-8c6a-0641a4ae2a84	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:21.811731+00:00
a5871b7a-0867-4c1e-9134-50aba1fdd0b4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:21.723051+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2209	#################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2209

#################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
cc5e33cc-b9c3-47e3-a960-e153c4610a82	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:22.139552+00:00
5e908bc7-4fe2-42f1-8fe4-7710eddd37cf	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:22.058275+00:00
09a1fbf6-ad78-45cc-a1a1-5646c98cfb79	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.933941+00:00
1d86e608-0d06-4d33-8c6a-0641a4ae2a84	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.811731+00:00
a5871b7a-0867-4c1e-9134-50aba1fdd0b4	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.723051+00:00
86cdf530-8c43-44dc-aa1b-698d813cc7f6	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.552715+00:00
13c45dd0-8f50-4543-a5eb-f3b05c37ed2c	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.340439+00:00
4ccfb2b9-6479-4984-b3b2-5f6cf263e088	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:21.054190+00:00
6ff98667-323f-4bed-959d-98a2cff527d4	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:20.838169+00:00
ed5406ab-3e07-46d8-ae49-2d500f0a37c6	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:20.677881+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0040  (coder)